医学 AI

X-Edit: Exact, Explicit, and Explainable Null-Space Editing for Medical Vision Transformers

X-Edit: 面向医学视觉Transformer的精确、显式且可解释的零空间编辑

Yuanye Liu, Siyuan Zhou, Ke Zhang, Lei Li, Wei Chen, Xiahai Zhuang

机构 * Fudan University（复旦大学） ； Johns Hopkins University（约翰霍普金斯大学） ； National University of Singapore（新加坡国立大学） ； University of Sydney（悉尼大学） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 提出X-Edit框架，通过因果定位和零空间投影实现医学图像分类中ViT模型的精确错误修正，避免灾难性遗忘。

Comments Early accepted by MICCAI 2026

Calibrating Probabilistic Object Detectors with Annotator Disagreement

校准具有标注者分歧的概率目标检测器

Zhi Qin Tan, Owen Addison, Yunpeng Li

机构 * organization= Faculty of Dentistry, Oral \& Craniofacial Sciences, King's College London , city= London , country= United Kingdom 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 针对目标检测中因物体模糊性导致标注者分歧的问题，提出一种无需真实标注即可校准概率目标检测器的方法，通过设计分类和定位校准误差指标及训练时/事后校准器，使模型预测不确定性匹配标注分布。

ImPartial: Multi-channel Whole-Cell Segmentation using Partial Annotations

ImPartial: 使用部分注释的多通道全细胞分割

Gunjan Shrivastava, Saad Nadeem

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心） 纠错

专题命中 医学影像 ：pathology(abstract)；分类 cs.CV

AI总结 提出ImPartial框架，通过自监督多通道量化插值，在稀疏标注和有限监督下实现与全监督模型相当的全细胞分割性能。

Comments MICCAI'26 Early Accept

Schema-Grounded LLM Extraction for FHIR Patient Digital Twins

基于Schema的LLM抽取用于FHIR患者数字孪生

Rafael Brens, Yuqiao Meng, Luoxi Tang, Zhaohan Xi

机构 * Binghamton University（宾夕法尼亚州立大学） 纠错

专题命中 临床大模型 ：CT(abstract,abstract_cn)

AI总结 提出SG-LLM方法，通过检索增强、JSON Schema约束和验证器修复循环，从非结构化EHR中生成有效的FHIR Bundle，并在临床效用实验中优于基线。

Uncertainty Reasoning with Large Language Models for Explainable Disease Diagnosis

基于大语言模型的不确定性推理用于可解释疾病诊断

Xiaoyang Fan, Yufan Cai, Zhe Hou, Jin Song Dong

机构 * National University of Singapore（新加坡国立大学） ； Griffith University（格里菲斯大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；medical AI(abstract)

AI总结 提出一种神经符号推理框架，将大语言模型与模糊逻辑和声明式规则结合，实现可解释且形式可验证的医学诊断。

Context-driven Missing-Modality Learning for Robust Medical Diagnosis with Image-Tabular Data

基于上下文驱动的缺失模态学习用于图像-表格数据的鲁棒医学诊断

Tianling Liu, Lequan Yu, Tong Han, Liang Wan

机构 * College of Intelligence and Computing, Tianjin University, Tianjin 300350, China.（智能与计算学院，天津大学，天津300350，中国） ； Department of Statistics and Actuarial Science, School of Computing and Data Science, The University of Hong Kong, Hong Kong.（统计与精算系，计算与数据科学学院，香港大学，香港） ； Department of Radiology, Tianjin Huanhu Hospital, Tianjin 300350, China.（放射科，天津华和医院，天津300350，中国） ； Tianjin Key Laboratory of Cerebral Vascular and Neurodegenerative Diseases, Tianjin 300350, China.（天津脑血管与神经退行性疾病重点实验室，天津300350，中国） ； Medical School of Tianjin University, Tianjin 300072, China.（天津大学医学院，天津300072，中国） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 提出CMML框架，通过级联残差变换器自编码器合成缺失模态并利用上下文令牌进行语义对齐，在三种医学数据集上超越现有方法。

Comments 12 pages, 8 figures

Asymmetric Adaptation-based Real-time Fault Diagnosis Under Transitional Operating Conditions

基于非对称自适应的过渡工况实时故障诊断

Hongshuo Zhao, Zeyi Liu, Xiao He

机构 * MCC5 Group Shanghai Co. LTD（MCC5集团上海有限公司） ； Tsinghua University（清华大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG

AI总结 针对离线训练未覆盖的过渡工况导致分布偏移问题，提出一种结合离线域泛化与在线测试时自适应的非对称自适应故障诊断方法，通过周期原型重投影和不对称学习率策略实现快速适应并保持判别能力。

Comments 6 pages, 3 figures, Accepted by ICAIS & ISAS 2026

Distance-Aware Joint Spatio-Temporal Graph Contrastive Learning for Major Depressive Disorder Diagnosis

距离感知的联合时空图对比学习用于重度抑郁症诊断

Muhammad Asif Hasan, Yanming Zhu, Xuefei Yin, Alan Wee-Chung Liew

机构 * School of Information Technology and Communication, Griffith University, Australia（信息科技与通信学院，格里菲斯大学，澳大利亚） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 针对动态功能连接在重度抑郁症诊断中的噪声、频域信息利用不足及时空分离建模问题，提出基于霍克斯过程先验的联合时空图对比学习框架HWSTCL，通过谱节点描述符、指数距离衰减边权重和核加权对比目标，实现可靠时空表示并提升诊断性能。

fMRI-Diffusion: Generating fMRI Time Series Via a Temporal Transformer Diffusion Model for Major Depressive Disorder Diagnosis

fMRI-Diffusion: 用于重度抑郁症诊断的基于时间Transformer扩散模型的fMRI时间序列生成

Muhammad Asif Hasan, Yanming Zhu, Xuefei Yin, Alan Wee-Chung Liew

机构 * School of Information and Communication Technology, Griffith University（信息与通信技术学院，格里菲斯大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 提出fMRI-Diffusion框架，通过时间Transformer扩散模型合成ROI级fMRI时间序列而非功能连接矩阵，以保留时间信息并提升小样本下MDD诊断准确率。

Spectral Priors vs. Attention: Investigating the Utility of Attention Mechanisms in EEG-Based Diagnosis

光谱先验 vs. 注意力：探究注意力机制在基于脑电图的诊断中的效用

Tawsik Jawad, Gowtham Atluri, Vikram Ravindra

机构 * University of Cincinnati（辛辛那提大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文提出一种基于频带选择的光谱特征构建方法，证明在小型EEG数据集中，传统机器学习模型性能可匹敌或超越SOTA深度学习模型，而注意力机制无法提取稳定的光谱特征。

Proactive for Uncertainty: Cause-Aware Error Diagnosis and Interactive Clarification for Spoken Dialogue Systems

主动应对不确定性：面向口语对话系统的因果感知错误诊断与交互式澄清

Yizhou Peng, Ziyang Ma, Changsong Liu, Yi-Wen Chao, Xie Chen, Eng Siong Chng

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出一种因果感知的错误恢复范式，通过细粒度检测器解耦ASR中的感知、理解和删除错误，使LLM能够执行多轮针对性澄清策略，从而显著降低词错误率并提升下游任务性能。

Teaching large language models to reason like expert diagnosticians

教会大型语言模型像专家诊断医生一样推理

Thomas A. Buckley, Riccardo Conci, Peter G. Brodeur, Jason Gusdorf, Sourik Beltrán, Bita Behrouzi, Byron Crowe, Jacob Dockterman, Muzzammil Muhammad, Sarah Ohnigian, Andrew Sanchez, James A. Diao, Aashna P. Shah, Daniel Restrepo, Eric S. Rosenberg, Andrew S. Lea, Emily Glanton, Kimberly LeBlanc, Undiagnosed Diseases Network, Marinka Zitnik, Scott H. Podolsky, Zahir Kanjee, Raja-Elie E. Abdulnour, Jacob M. Koshy, Adam Rodman, Arjun K. Manrai

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Medicine, Beth Israel Deaconess Medical Center（贝塞斯达医院内科部） ； The Mongan Institute, Massachusetts General Hospital（麻省总医院蒙根研究所） ； Division of Gastroenterology, Brigham and Women’s Hospital（布里洛妇女医院胃肠病科） ； Department of Medicine, Brigham and Women’s Hospital（布里洛妇女医院内科部） ； Department of Medicine, Massachusetts General Hospital（麻省总医院内科部） ； Department of Pathology, Massachusetts General Hospital（麻省总医院病理学部） ； Department of Health Humanities and Bioethics, University of Rochester School of Medicine and Dentistry（罗切斯特大学医学院和牙科学院健康人文与生物伦理学部） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学凯普纳人工智能研究所） ； Center for the History of Medicine, Countway Library of Medicine, Harvard Medical School（哈佛医学院医学史中心，考特维图书馆） ； Department of Global Health and Social Medicine, Harvard Medical School（哈佛医学院全球健康与社会医学部） ； Division of Pulmonary and Critical Care Medicine, Brigham and Women’s Hospital（布里洛妇女医院呼吸科和重症医学科） 纠错

专题命中 诊断辅助 ：clinical AI(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 提出 Dr. CaBot 代理 AI 系统，通过生成基于初始病例描述的幻灯片演示来模拟专家诊断推理，并在 NEJM CPC 和 NIH 未诊断疾病网络病例上取得优于前沿模型的表现，同时发布 CPC-Bench 基准以促进临床 AI 发展。

Beyond Generative Priors: Minority Sampling with JEPA-Guided Diffusion

超越生成先验：JEPA引导扩散的少数采样

Sol Park, Soobin Um

机构 * Department of Artificial Intelligence, Kookmin University, Seoul, South Korea（人工智能系，韩国全州大学，首尔） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 提出一种基于世界模型JEPA引导的扩散采样框架，通过近似策略实现高效计算，在无条件、类别条件和文本到图像生成中提升少数样本的保真度和语义有效性。

Comments ICML 2026, 21 pages, 9 figures

GL-LFGNN:A Global-Local Dual-branch Causal Graph Neural Network Based on Liang-Kleeman Information Flow for EEG Emotion Recognition

GL-LFGNN：基于Liang-Kleeman信息流的全局-局部双分支因果图神经网络用于脑电情感识别

Ziyi Wang, Dongyang Kuang

机构 * School of Mathematics (Zhuhai), Sun Yat-sen University, Zhuhai, China（中山大学数学学院（珠海）） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出GL-LFGNN模型，利用Liang-Kleeman信息流理论构建有向因果图，通过全局-局部双分支架构整合全脑与区域连接，在MEEG数据集上以少量参数实现高精度情感识别。

Comments 10 pages, 3 figures

Adversarial Error Correction for Visual Autoregressive Generation

视觉自回归生成的对抗性纠错

Ligong Bi, Tao Huang, Jianyuan Guo, Chang Xu

机构 * Shanghai Jiao Tong University（上海交通大学） ； City University of Hong Kong（香港城市大学） ； The University of Sydney（悉尼大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 提出AID-VAR框架，通过对抗性注入诊断机制纠正视觉自回归模型中的级联误差，提升生成质量。

Deep Learning-Based Automated Quantification of TIMI Myocardial Perfusion Frame Count (DL-TMPFC) from Coronary Angiography: A Novel Framework for Rapid Assessment of Microvascular Dysfunction

基于深度学习的TIMI心肌灌注帧数自动量化（DL-TMPFC）：一种快速评估微血管功能障碍的新框架

Si Li, Yuanqing He, Chenkai Hu, Xiaogang Guo, Huay-Cheem Tan, Chieh Yang Koo, Xuan Zhang, Lei He, Jingyuan Zeng, Shan Xiao

机构 * School of Artificial Intelligence and Digital Economy Industry, Guangzhou Institute of Science and Technology（人工智能与数字经济发展学院，广州科学研究院） ； Department of Cardiology, Second Affiliated Hospital, Jiangxi Medical College, Nanchang University（南华大学江西医学院心内科，第二附属医院） ； Department of Cardiology, First Affiliated Hospital of Zhejiang University School of Medicine（浙江大学医学院附属第一医院心内科） ； Department of Cardiology, National University Heart Centre（国立大学心脏中心心内科） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 提出DL-TMPFC框架，结合狭窄检测网络和区域感知分割网络，从冠状动脉造影中自动计算TIMI心肌灌注帧数，实现微血管功能障碍的客观量化，验证显示与专家手动测量高度一致。

Comments 15 pages,8 figures

When Correct Beliefs Collapse: Epistemic Resilience of LLMs under Clinical Pressure

当正确信念崩溃：LLMs在临床压力下的认知韧性

Boyu Xiao, Xiuqi Tian, Xuwen Song, Haochun Wang, Guanchun Song, Sendong Zhao, Bing Qin

机构 * Research Center for Social Computing and Interactive Robotics, Harbin Institute of Technology, China（社会计算与交互机器人研究院，哈尔滨工业大学，中国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究LLMs在临床对话中面对逐步升级压力时信念稳定性问题，提出Med-Stress压力测试框架，发现知识-韧性差距，并设计RBED和R-FT方法提升鲁棒性。

Comments ACL 2026

AI-Driven SERS for Non-invasive and Label-Free Extracellular Vesicle Detection Across Cellular Origins in Tears and Sweat

AI驱动的无创无标记表面增强拉曼光谱检测泪液和汗液中不同细胞来源的细胞外囊泡

Yang Li, Xiaoming Lyu, Ling Xia, Kuo Zhan, Haoyu Ji, Lei Qin, Seppo J. Vainio, Jian-An Huang

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 本研究开发了一种基于盐诱导纳米颗粒聚集的AI辅助SERS方法，实现了对泪液和汗液中不同细胞来源的细胞外囊泡的高准确度无标记检测，准确率超过92%。

Comments 7 figures, 26 pages

Non-Invasive Reconstruction of Intracranial EEG Across the Deep Temporal Lobe from Scalp EEG based on Conditional Normalizing Flow

基于条件归一化流的从头皮脑电无创重建深颞叶颅内脑电

Dongyi He, Bin Jiang, Kecheng Feng, Luyin Zhang, Ling Liu, Yuxuan Li, Yun Zhao, He Yan

机构 * School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； School of Smart Health, Chongqing Polytechnic University of Electronic Technology（重庆电子工程职业大学智能健康学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 提出NeuroFlowNet，一种基于条件归一化流的跨模态生成框架，首次从头皮脑电信号重建整个深颞叶区域的颅内脑电信号，解决了高保真重建的难题。

LLM-as-a-Judge in Healthcare: A Scoping Analysis of Applications, Methods, and Human Alignment

LLM-as-a-Judge 在医疗保健中的应用：应用、方法和人类一致性的范围分析

Lingyao Li, Deyi Li, Chen Chen, Renkai Ma, Runlong Yu, Mingquan Lin, Rui Yin, Lizhou Fan, Cathy Shyr, Siyuan Ma, Mei Liu, Steven Bethard

专题命中 诊断辅助 ：healthcare AI(abstract)

AI总结 本研究通过PRISMA指导的系统综述，分析了LLM-as-a-Judge在医疗保健中的应用场景、技术配置和与人类专家判断的一致性，发现其在临床决策支持、自然语言处理等领域有广泛应用，但可靠性因任务而异。

WhenLoss: Diagnosing Write and Retrieval Bottlenecks in Long-Context Memory Systems

WhenLoss: 诊断长上下文记忆系统中的写入与检索瓶颈

Jiangnan Yu, Kisson Songqi Lin, Jilong Wu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出四条件诊断协议发现写入阶段是长上下文记忆系统的主要瓶颈，并基于此提出预期预测压缩（EPC）方法，在写入时利用LLM预测未来问题并保留关键证据，显著提升系统性能。

Comments 14 pages, 7 figures, 9 tables

DemoEvolve: Overcoming Sparse Feedback in Agentic Harness Evolution with Demonstrations

DemoEvolve：利用演示克服智能体框架演化中的稀疏反馈

Lirong Che, Yuzhe yang, Peiwen lin, Chuang wang, Xueqian wang, Jian su

机构 * Tsinghua University（清华大学） ； AgiBot 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出DemoEvolve方法，通过人类演示引导框架演化，解决长时域随机环境中自生成轨迹因稀疏反馈和高方差导致的脆弱性问题，在Liar's Dice和Balatro任务中验证了其有效性。

SEAL: Synergistic Co-Evolution of Agents and Learning Environments

SEAL: 智能体与学习环境的协同共演化

Yihao Hu, Zhihao Wen, Xiujin Liu, Pan Wang, Xin Zhang, Wei Wu

机构 * Ant Group（蚂蚁集团） ； Westlake University（西湖大学） ； University of Michigan--Ann Arbor（密歇根大学安娜堡分校） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出SEAL框架，通过协同演化智能体策略与训练环境，解决智能体与环境错配问题，在低资源多轮工具使用任务中提升性能并实现正向分布外迁移。

TEAM-SimHRA: A Team-Based Simulation Framework for Human Reliability Analysis Using Multi-Agent Large Language Models

TEAM-SimHRA：基于团队的人因可靠性分析仿真框架——使用多智能体大语言模型

Xingyu Xiao, Jiejuan Tong, Jingang Liang, Haitao Wang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出TEAM-SimHRA框架，利用多智能体大语言模型模拟核控制室团队交互，将人因可靠性视为涌现属性，在三哩岛和切尔诺贝利事故验证中实现历史决策延迟复现和通信抑制再现。

CLIF: Concept-Level Influence Functions for Transparent Bottleneck Models

CLIF：用于透明瓶颈模型的概念级影响函数

Yike Sun, Mingkun Xu, Mu You, Zhongzhi He, Henghua Shen, Zehan Tan, Derek F. Wong, Tao Fang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出概念级影响函数方法，在样本和概念层面增强NLP模型可解释性，通过调整关键样本和概念验证了数据调试和决策透明化的有效性。

Comments A critical theoretical error invalidates the main results. The independence assumption on concept representations and gradients (Section 3.2, Eq.7) is incorrect, breaking the influence estimation in nonlinear bottleneck layers. This flaw undermines all empirical claims in Sections 4-5. The authors withdraw to prevent dissemination of incorrect findings

Semiparametric Analysis of Interval-Censored Data Subject to Inaccurate Diagnoses with A Terminal Event

带有终端事件的区间删失数据在诊断不准确情况下的半参数分析

Yuhao Deng, Donglin Zeng, Yuanjia Wang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对诊断不准确且存在终端事件的区间删失数据，提出基于Cox比例风险模型的半参数框架，采用非参数最大似然估计和EM算法，并证明估计量的渐近正态性。

Comments This paper has been accepted by the Annals of Applied Statistics

Virchow: A Million-Slide Digital Pathology Foundation Model

Virchow：百万级数字病理学基础模型

Eugene Vorontsov, Alican Bozkurt, Adam Casson, George Shaikovski, Michal Zelechowski, Siqi Liu, Kristen Severson, Eric Zimmermann, James Hall, Neil Tenenholtz, Nicolo Fusi, Philippe Mathieu, Alexander van Eck, Donghun Lee, Julian Viret, Eric Robert, Yi Kan Wang, Jeremy D. Kunz, Matthew C. H. Lee, Jan Bernhard, Ran A. Godrich, Gerard Oakley, Ewan Millar, Matthew Hanna, Juan Retamero, William A. Moye, Razik Yousfi, Christopher Kanan, David Klimstra, Brandon Rothrock, Thomas J. Fuchs

机构 * Paige ； Microsoft Research（微软研究院） ； NSW Health Pathology（新南威尔士州卫生病理学） ； St George Hospital（圣乔治医院） ； Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心） ； University of Rochester（罗切斯特大学） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 提出Virchow，一个基于DINOv2自监督学习、在150万张H&E染色全切片图像上训练的6.32亿参数视觉Transformer模型，用于计算病理学，在泛癌检测和生物标志物预测任务上达到最先进性能。

PathMem: Toward Cognition-Aligned Memory Transformation for Pathology MLLMs

PathMem: 面向病理学多模态大模型的认知对齐记忆转换

Jinyue Li, Yuci Liang, Qiankun Li, Xinheng Lyu, Jiayu Qian, Huabao Chen, Kun Wang, Zhigang Zeng, Anil Anthony Bharath, Yang Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； Nanyang Technological University（南洋理工大学） ； Imperial College London（伦敦帝国学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)

AI总结 提出PathMem框架，通过长期记忆与工作记忆的动态转换机制，实现结构化病理知识整合与可解释记忆控制，在WSI报告生成和开放诊断任务上达到SOTA。

Benchmarking Pathology Foundation Models for Spatial Domain Understanding

病理基础模型在空间域理解中的基准测试

Bokai Zhao, Yiyang Zhang, Yuanchi Zhu, Hanqing Chao, Long Bai, Tai Ma, Minfeng Xu, Ming Song, Tianzi Jiang

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Brainnetome Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网膜工程中心） ； Beijing Key Laboratory of Brainnetome and Brain-Computer Interface, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所北京脑网膜与脑机接口重点实验室） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 提出SpaPath-Bench基准，通过空间域识别任务评估病理基础模型在区分组织区域和捕获空间关系方面的表示能力。

Comments MICCAI2026

Discrepancy Minimization Improves Cross-Hospital Robustness in Digital Pathology

差异最小化提升数字病理学中的跨医院鲁棒性

Ben Vardi, Dana Schonberger, Yuval Friedmann, Zohar Yakhini, Iris Barshack, Alexander Loebel, Ariel Shamir

机构 * Reichman University, Herzliya, Israel（以色列海法大学） ； Institute of Pathology, Sheba Medical Center, Ramat-Gan, Israel（以色列沙巴医疗中心病理研究所） ； Technion - Israel Institute of Technology, Haifa, Israel（以色列技术学院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 通过局部最大均值差异（LMMD）微调病理基础模型，在域适应和域泛化设置下提升跨医院鲁棒性。